使用 Claude 構建 Polymarket BTC 自動交易引擎：架構與實戰指南

原始來源與檔名：2026-05-14T093701+0800-使用 Claude 构建 Polymarket BTC 交易引擎 - 完整指南.md

前言/背景

在加密貨幣市場中，人性中的貪婪、恐懼與情緒往往是散戶虧損的主因。作者原本是堅定的比特幣「長期定投 (DCA) 持有者」，但在接觸了 Polymarket 上的高頻「比特幣 5 分鐘預測市場」後，發現傳統指標 (如 RSI, MACD) 在極短時間窗口內失效。為克服人為情緒並捕捉市場微小的套利空間，作者決定利用 Claude (Opus 模型) 協助設計並實作一套全自動、無情緒干預的 Polymarket BTC 交易引擎。

章節詳細總結

深入理解 Polymarket 底層機制

在編寫交易機器人之前，必須徹底理解平台的智能合約與結算機制：

• 基礎架構：運行於 Polygon (以太坊 Layer 2) 以極大化降低手續費。
• 條件代幣框架 (CTF)：由 Gnosis 提供。存入 1 USDC 會同時鑄造「看漲」與「看跌」兩個 ERC-1155 代幣，兩者合計必定為 1 USDC，以此約束套利空間。
• 去中心化預言機：對於傳統的事件預測，Polymarket 使用 UMA 的「樂觀預言機」；但針對 5 分鐘結算的 BTC 價格，則使用 Chainlink 價格資料饋送 (Data Feeds) 以實現客觀且快速的自動結算。
• 混合型限價訂單簿 (CLOB)：放棄自動做市商 (AMM)，改採鏈下撮合、鏈上原子結算。交易者透過 EIP-712 簽名下單，撮合成功後提交至區塊鏈。這導致了購買後無法「立即」賣出，必須等待區塊確認 (約數秒延遲)，這是高頻交易系統必須考量的關鍵摩擦力。

第一代引擎：事件驅動與其局限性

• 架構：為了追求最低延遲，引擎透過 WebSocket 訂閱 Polymarket 訂單簿，減少 API 輪詢。
• 策略邏輯：結合 RSI、ATR 與跨平台 (Binance, Coinbase) 價格背離來偵測「巨鯨拉升/倒貨」，觸發買入信號並持有至該 5 分鐘回合結束。
• 失敗教訓：雖然勝率高達 95%，但剩下的 5% 會造成災難性損失。市場變化太快，死抱到回合結束是致命傷，必須具備「達標即獲利了結」的動態賣出機制。此外，缺乏能夠模擬鏈上延遲與部分成交的「紙上交易 (Paper Trading) 模擬環境」，讓策略優化變得極具風險。

與 Claude 共同架構第二代引擎 (早鳥 Early Bird)

為了解決第一代擴展性不足與缺乏模擬環境的問題，作者使用 Claude Code 重新規劃了系統架構：

• 生命週期管理 (Lifecycle-based)：引擎的核心邏輯轉為協調「市場生命週期」。引擎永遠在下一個 5 分鐘時段開始前啟動。
• 狀態機設計：每個市場區塊經歷 創建 (Start) -> 運行 (Run) -> 結束 (End) 狀態。
  • 在 Start 狀態載入使用者指定的交易策略。
  • 在 Run 狀態執行策略 (監聽 WebSocket，執行買賣 API)。
  • 在 End 狀態結算盈虧。
• 模擬環境與視覺化：Claude 協助實作了能精準模擬鏈上延遲的環境，並建構了一個圖表工具，能將系統產生的日誌視覺化為互動圖表，極大地加速了策略的除錯與回測。

交易策略的核心認知

• 沒有永恆的聖杯：三天前有效的盤口動態或價格背離模式，今天可能就失效。優勢在於找出「特定時段」的規律。
• 停損與出場是關鍵：重點不在於每局都贏，而在於引擎提供的 API 必須能靈活執行出場訊號，將損失降至最低。
• AI 的能力邊界：AI (Claude) 極其擅長幫你建立交易引擎的系統架構、狀態機、模擬器與日誌系統；但它無法直接幫你寫出賺錢的量化策略。交易策略的本質（挖掘市場缺口與訂單簿動態）仍需要人類的領域知識與長期觀察。

總結與結論

• 系統架構大於單一演算法：一個優秀的量化交易系統，其價值在於擁有健全的生命週期管理、極低延遲的 WebSocket 處理，以及擬真的模擬測試環境，而非單一的交易公式。
• AI 結對程式設計 (Pair Programming) 的典範：作者展示了如何利用 Claude 作為軟體架構師，規劃出具有高擴充性、解耦 (策略與執行引擎分離) 的複雜金融系統框架。
• 開源與實踐：作者將這套 Polymarket 交易引擎開源 (KaustubhPatange/polymarket-trade-engine)，為對加密貨幣事件驅動交易感興趣的開發者提供了一個具備實戰價值的基礎架構模板。